Docencia
Formación continua y recursos para estudiantes
Transformando datos en decisiones estratégicas y gestión de riesgos
En la era de la información, la capacidad para modelar escenarios, predecir tendencias y cuantificar riesgos es el activo más valioso de cualquier organización. Nuestro centro de formación está especializado en capacitar a profesionales del sector financiero, asegurador, científico y empresarial.
Aprende a dominar el análisis complejo y la creación de modelos predictivos utilizando las herramientas de código abierto líderes en la industria —R y Python—, integrándolas de manera fluida y nativa en entornos corporativos basados en Windows.
Rutas de Aprendizaje Analítico
Hemos estructurado nuestros programas en rutas especializadas y progresivas. Ya sea que busques automatizar reportes, adentrarte en el Machine Learning o desarrollar modelos actuariales complejos, tenemos un camino para ti:
1. Ruta: Fundamentos Analíticos en Entornos Corporativos
- Dirigido a: Analistas de negocios, contadores, estudiantes de economía/matemáticas y profesionales que buscan migrar de Excel a lenguajes de programación.
- Objetivo: Instalar, configurar y dominar los entornos de desarrollo de R y Python en Windows, sentando las bases de la programación orientada a datos.
- Configuración del Entorno de Trabajo en Windows: Instalación y gestión de entornos con Anaconda (Jupyter Notebooks) y RStudio. Manejo de variables de entorno y terminal de PowerShell para analistas.
- Introducción a Python para Datos: Sintaxis básica, estructuras de datos (listas, diccionarios), bucles y funciones. Introducción a la vectorización.
- Fundamentos de R para Estadística: Sintaxis de R, manejo de data frames, vectores y funciones base. ¿Cuándo usar R y cuándo usar Python?
2. Ruta: Ingeniería de Datos y Visualización Avanzada
- Dirigido a: Analistas de datos, científicos de datos junior y profesionales de inteligencia de negocios (BI).
- Objetivo: Extraer, limpiar, transformar (ETL) y visualizar grandes volúmenes de datos de manera eficiente.
- Manipulación de Datos con Python (Pandas y NumPy): Limpieza de datos estructurados, manejo de valores nulos, agrupaciones y cruce de bases de datos.
- El Ecosistema Tidyverse en R: Uso avanzado de dplyr y tidyr para la manipulación elegante y eficiente de conjuntos de datos complejos.
- Storytelling y Visualización Interactiva: Creación de gráficos estáticos y dinámicos usando ggplot2 (R), Matplotlib y Seaborn (Python). Integración de scripts con herramientas como Power BI.
3. Ruta: Modelado Actuarial y Matemáticas Financieras
- Dirigido a: Actuarios, analistas de riesgos, gestores de carteras y auditores financieros.
- Objetivo: Aplicar programación avanzada para el cálculo de primas, reservas, análisis de supervivencia y modelado de riesgos.
- Matemáticas Financieras y Series de Tiempo: Análisis y pronóstico de series temporales financieras usando statsmodels (Python) y el ecosistema forecast / fpp3 (R).
- Modelos de Supervivencia y Tablas de Mortalidad: Uso de paquetes especializados en R (como survival y lifecontingencies) para seguros de vida y pensiones.
- Simulación Estocástica y Análisis de Riesgos: Implementación del método Monte Carlo, modelos de cadenas de Markov y cuantificación de riesgo (VaR - Value at Risk) combinando la velocidad de NumPy (Python) y librerías estadísticas de R.
4. Ruta: Machine Learning y Analítica Predictiva
- Dirigido a: Científicos de datos, estadísticos y líderes técnicos de proyectos analíticos.
- Objetivo: Entrenar, evaluar y desplegar modelos de aprendizaje automático para la toma de decisiones automatizada.
- Machine Learning Clásico con Scikit-Learn (Python): Regresión lineal/logística, árboles de decisión, Random Forest y clustering. Ajuste de hiperparámetros.
- Modelado Predictivo con Tidymodels (R): Un enfoque moderno para el preprocesamiento, validación cruzada y evaluación de modelos predictivos estadísticos.
- Automatización y Despliegue en Windows: Creación de APIs para modelos predictivos usando FastAPI (Python) y desarrollo de aplicaciones web interactivas con Shiny (R) y Streamlit (Python) ejecutadas en servidores Windows locales.
¿Por qué estudiar con nosotros?
- Enfoque Corporativo Real: Enseñamos a utilizar R y Python integrados en los sistemas operativos y flujos de trabajo (como Microsoft Office/Power BI) que realmente utilizan las empresas e instituciones financieras hoy en día.
- Rigor Científico y Matemático: No solo enseñamos a escribir código; enseñamos la estadística, la probabilidad y la matemática actuarial que fundamentan los modelos.
- Eficiencia y Escalabilidad: Aprende a superar los límites de las hojas de cálculo tradicionales procesando millones de registros en segundos.
- Proyectos Aplicados: Casos de estudio reales: desde la predicción de abandono de clientes (churn) hasta la tarificación de pólizas de seguros.
Los cursos están orientados inicialmente a programación en software libre para los diversos sectores: banca, seguros y pensiones.
Formación continua
Curso de Series de Tiempo (Python)
Ficha técnica, programa, objetivos e inscripción del curso orientado a actuarios y profesionales que requieran proyecciones de mortalidad, siniestralidad o indicadores económicos.
Próximas ofertas
Webinars y certificaciones en temas emergentes (por ejemplo, IA en Actuaría). Las convocatorias se publicarán en Actualidad.
(Próximas ofertas se anunciarán aquí.)
Recursos para estudiantes
- Guías metodológicas para TFPG: estructura I-RL-M-R-D, reproducibilidad y referencias en formato APA; ver RVEA — Modelo y plantilla.
- Bibliografía recomendada: alineada con los libros y materiales docentes del Centro; ver Libros.
- Acceso al Model Hub: scripts en R/Python, Excel actuarial y bases de datos abiertas con fines pedagógicos; ver Model Hub.
Ecosistema de aprendizaje
Información sobre el currículo actuarial en la UCV y cómo los estudiantes se integran en cursos electivos y en la investigación del centro. Perfiles del Comité Editorial y colaboradores en Miembros.